API-Betrieb für Amazon SageMaker Debugger

Der Amazon SageMaker Debugger verfügt über API-Operationen an mehreren Orten, die für die Überwachung und Analyse des Modelltrainings verwendet werden.

Amazon SageMaker Debugger bietet auch das Open-Source-sagemaker-debuggerPython-SDK, mit dem integrierte Regeln konfiguriert, benutzerdefinierte Regeln definiert und Hooks registriert werden, um Ausgangstensordaten von Schulungsaufträgen zu sammeln.

Das Amazon SageMaker Python SDK ist ein High-Level-SDK, das sich auf Experimente zum Machine Learning konzentriert. Das SDK kann verwendet werden, um integrierte oder benutzerdefinierte Regeln einzusetzen, die mit der SMDebug Python-Bibliothek definiert wurden, um diese Tensoren mit Hilfe von SageMaker-Schätzern zu überwachen und zu analysieren.

Debugger hat der Amazon SageMaker API Operationen und Typen hinzugefügt, die es der Plattform ermöglichen, Debugger beim Training eines Modells zu verwenden und die Konfiguration von Eingaben und Ausgaben zu verwalten.

• CreateTrainingJob und UpdateTrainingJob verwenden Sie die folgenden Debugger-APIs, um Tensorsammlungen, Regeln, Regelbilder und Profilerstellungsoptionen zu konfigurieren:

  • CollectionConfiguration

  • DebugHookConfig

  • DebugRuleConfiguration

  • TensorBoardOutputConfig

  • ProfilerConfig

  • ProfilerRuleConfiguration

• DescribeTrainingJob bietet eine vollständige Beschreibung eines Schulungsauftrags, einschließlich der folgenden Debugger-Konfigurationen und Status der Regelauswertung:

  • DebugHookConfig

  • DebugRuleConfiguration

  • DebugRuleEvaluationStatus

  • ProfilerConfig

  • ProfilerRuleConfiguration

  • ProfilerRuleEvaluationStatus

Der API-Betrieb zur Regelkonfiguration verwenden die SageMaker Processing-Funktionalität bei der Analyse eines Modelltrainings. Mehr Informationen über die SageMaker-Verarbeitung finden Sie unter Daten verarbeiten.